几何形状之间的测地线距离Python
几何形状之间的测地线距离Python
提问于 2020-05-22 20:28:36
具有名为dfA的列的几何体，具有以下几何形状：
d = {'id': [1, 2], 'geometry': ['POINT (-70.66000 -33.45000)', 'POINT (-74.08000 4.60000)']}
dfA = pd.DataFrame(data=d)
dfA
| | id | geometry |
|---|----|-----------------------|
| 0 | 1 | POINT (-70.66 -33.45) |
| 1 | 2 | POINT (-74.08 4.6) |我想用dfB的几何列的每个几何形状计算最小测地距离：
d = {'id': [1, 2, 3], 'geometry': ['LINESTRING (-58.66000 -34.58000, -59.66000 -35.58000)', 'LINESTRING (-47.91000 -15.78000, -48.91000 -16.78000)', 'POINT (-66.86000 10.48000)']}
dfB = pd.DataFrame(data=d)
dfB
| | id | geometry |
|---|----|-------------------------------------------|
| 0 | 1 | LINESTRING (-58.66 -34.58, -59.66 -35.58) |
| 1 | 2 | LINESTRING (-47.91 -15.78, -48.91 -16.78) |
| 2 | 3 | POINT (-66.86 10.48) |我尝试通过以下步骤使用Python shapely和geopandas库完成此计算：
from shapely import wkt
import geopandas as gpd
dfA['geometry'] = dfA['geometry'].apply(wkt.loads)
dfA = gpd.GeoDataFrame(dfA, geometry='geometry')
dfB['geometry']= dfB['geometry'].apply(wkt.loads)
for i, value in dfB.iterrows():
e = dfB.iloc[i]['id']
dfA[str(e)] = dfA['geometry'].distance(dfB.iloc[i]['geometry'])
dfA
| | id | geometry | 1 | 2 | 3 |
|---|----|-----------------------|-------------|-------------|-------------|
| 0 | 1 | POINT (-70.66 -33.45) | 11,20432506 | 27,40349248 | 44,09404608 |
| 1 | 2 | POINT (-74.08 4.6) | 42,10521108 | 33,0247377 | 9,311433832 |不幸的是，shapely距离函数计算的是欧几里德距离，而不是测地距离。
另一个要遵循的策略是使用一个函数来计算从点A到线B上所有点的测地距离B1，B2，B3，...保持最小距离。即: dist_A-B = min(geodist(A，B1)，geodist(A，B2)，geodist(A，B3)，...)
这种解决方案有效，但在计算上非常昂贵，因为我们讨论的是从数千个点对数千条线进行计算。执行此计算的任何其他更优化的方法都会有很大帮助。
回答 1
Stack Overflow用户
发布于 2020-05-25 02:14:09
如果您可以将问题简化为计算到一组点的测地距离，那么vantage point tree将为您提供一个有效的解决方案。请参阅我对类似问题的回答here；其中包含了python中的解决方案。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61955079
复制相关文章
相似问题
腾讯云开发者
